28 关于若干化探数据处理方法的讨论
化探数据处理方法
内蒙古扎赉特旗东芒合矿和哈拉街吐矿化探数据处理及图件编制方法1 化探数据质量评价的数据处理(分矿区)⑴统计重采样和重分析抽查样所占样品总数的比例比例 = （重采样和重分析抽查样数/工作样总数）100%⑵作出SSPS数据文件将重采样和重分析样分别作成SSPS数据文件。
文件中列出项目为：①重采抽查样重采样号元素含量相应的工作样号元素含量②重分析抽查样重分析样号元素含量相应的工作样号元素含量⑶计算各元素相对误差重采样和重分析抽查样相对误差均按RE(%) = |C1-C2|/0.5×(C1+C2)×100%计算。
C1为重采样或重分析抽查样的分析含量C2为重采样或重分析抽查样的相应的工作样的分析含量| |为绝对值RE(%)≤30%为合格，＞30为超差（不合格）；（Au：RE(%)≤50%为合格，＞50为超差）⑷计算各元素的合格率η= （抽查样品中合格的样品数/抽查样品的总数）100%合格率（η）应＞80%，即这批样品的分析结果是可信的。
⑸列表表示检查或分析质量结果表××化探重采样抽查各元素的合格率(%)Cu Pb Zn Cr Ni Co Sn V Ag Ti2 矿区地球化学特征研究的数据处理(以哈拉街吐为例)⑴作出SSPS数据文件作出下列SSPS数据文件：①文件1：整个矿区数据文件；②文件2：矿区地层数据文件；③文件3：矿区岩浆岩数据文件；④文件4 ：下二叠统大石寨组（P1d）数据文件；⑤文件5 ：下白垩统大磨拐河含煤组（K1d）数据文件；⑥文件6 ：华力西晚期侵入岩数据文件；⑦文件7 ：燕山期早期侵入岩数据文件；⑧文件8 ：燕山期晚期侵入岩数据文件；⑨文件9：已知矿附近一定范围数据文件每一数据文件的内容项目包括：序号野外号 X坐标 Y坐标各元素的含量⑵整个矿区和各地质单元（各地层、各岩浆岩）样品各元素含量特征统计统计的参数包括：①元素含量平均值；②最大值；③最小值；④标准离差；⑤变化系数（标准离差/含量平均值）；⑥浓度克拉克值（元素含量平均值/该元素的克拉克值）整个矿区和各地质单元统计结果含量平均值、最小值、最大值用表表示。
勘测师在测量数据处理和分析中的技术和方法
勘测师在测量数据处理和分析中的技术和方法在土地开发、工程建设以及地质勘探等领域，勘测师起着至关重要的作用。
他们负责测量和记录各种地理和物理参数，并将其转化为可用的数据。
然而，仅仅进行测量是不够的，处理和分析测量数据同样重要。
本文将探讨勘测师在测量数据处理和分析中所使用的技术和方法。
一、数据处理技术和方法1. 数据采集和整理作为勘测师，首先需要搜集准确的测量数据。
常见的数据采集工具包括全站仪、测距雷达和卫星定位系统等。
搜集到的数据需要经过整理，确保其准确性和一致性。
这一步骤也包括删除异常数据、填充缺失数据和纠正误差等操作。
2. 数据质量评估对于海量的测量数据而言，必须进行数据质量评估，以确定数据的可靠性和准确性。
这些评估可以包括异常值检测、趋势分析和统计检验等。
通过这些方法，勘测师能够识别出潜在的数据问题，并对其进行处理。
3. 数据转换和匹配测量数据通常以不同的格式和坐标系存在。
因此，勘测师需要采用适当的数据转换和匹配方法，将数据转化为同一坐标系或将其与其他数据进行匹配。
这有助于实现数据的一体化管理和整合分析。
4. 数据插值和外推在一些情况下，测量数据可能存在缺失或需要进行补充。
插值和外推是常用的数据处理方法，通过已有的数据点来推算缺失数据或延伸数据。
这些方法可以基于统计学模型或地理空间信息模型来实现。
二、数据分析技术和方法1. 数据可视化数据可视化是将测量数据以图表、地图或其他形式呈现的重要手段。
它可以帮助勘测师更直观地理解数据的特征和分布，并发现数据中可能存在的模式和规律。
常见的数据可视化工具包括散点图、柱状图和热力图等。
2. 统计分析统计分析是勘测师在测量数据处理和分析中常用的方法之一。
通过对数据进行统计特征、相关性和变化趋势等分析，可以提供有关数据属性和相互关系的重要信息。
统计分析方法包括描述统计、假设检验和回归分析等。
3. 空间分析对于包含地理位置信息的测量数据，勘测师需要进行空间分析来揭示空间关系和地理模式。
化探数据处理原理及方法
(二)单元划分基本类型
1.规则单元
网格单元 2.自然单元 (1)地质体单元 定性划分;
矿体往往位于地质体内,接触带和地质体外.
(2)地质异常单元 以网格单元为样品单元,样品单元大小根据预测尺度而定; 综合致矿信息定量标度的样品异常单元集合.
（三）地球化学数据分析
1. 单变量 （1）针对要解决的地学问题，分析多源信息来源、原理、 精度、准确度 、用途及意义。
（四）主要成矿元素的统计意义
（四） 图示分析
（直方图、点阵图、三角图、玫瑰图、曲线图、投影图等） 1、直方图（单元素含量－频数直方图） 2、散点图（只管展示元素间、介质间相互关系）
3、饼图（含量分布百分比）
4、研究统计分布特征 （1）正态分布（分布比较均匀或样本密度大） （2）对数正态分布（元素含量变化大或多因素叠加） （3）二项分布（不确定性大，地质体复杂极不均匀）
i 1
n
n 1
式中:i=1，2，…,n；为样本数；j=1,2,…,m为变量 数； xij 为原始观测值； Sj 为标准偏差； xj 为平均值； 处理后的xij值yij为无量纲数据。
二、多源地学信息分析与变换
4、极差化
y ij
( xij x j min ) ( x j max x j min )
（一）地球化学找矿分类
地球化学找矿——地球化学探矿，化探（Geochemical Prospecting） 1、方法分类
测量方式： 航空化探——放射性、气体
海洋化探——海水、海底沉积物、生植物、放射性、气体 地表化探——岩石、土壤、水系沉积物、水、生植物、气
地下（井中）化探——岩矿石、水、放射性、气体
（二）背景与异常的概念
化探数据处理与解释评价资料课件
CATALOGUE
目 录
• 化探数据处理概述 • 化探数据处理方法 • 化探数据解释 • 化探评价资料 • 化探数据处理与解释的实践案例 • 总结与展望
01
CATALOGUE
化探数据处理概述
化探数据的特点
多元性
化探数据通常包含多种元素或化 合物的浓度信息，呈现出多元性
数据质量挑战
原始化探数据可能存在 采集、传输、存储等方 面的误差，影响处理与 解释的准确性。需要采 取合适的质量控制措施
以提高数据可靠性。
多源性数据融合
在实际工作中，化探数 据通常需要与其他地质 、地球物理、地球化学 等多源性数据进行融合 解释。如何实现多源性 数据的有效融合与协同 解释是一个重要挑战。
便于后续解释评价
将处理后的数据用于后续 的地质解释和资源评价， 提高工作效率。
化探数据处理的基本流程
1. 数据收集与整理
收集原始化探数据，并进行必要的格式转换和 整理。
01
3. 特征提取与选择
利用统计方法、图像处理等手段提取 与地质目标相关的特征，并选择重要
特征。
03
5. 数据可视化与表达
将处理后的数据通过图表、图像等方式进行 可视化表达，便于后续解释评价。
指导找矿方向
数据解释可以揭示地质构造和成矿规律，从而指 导找矿工作的方向。
数据解释的方法
统计分析法
通过对化探数据进行统计分析，可以了解元素的分布特征、异常 形态等，进而推断地质背景和成矿可能性。
地质解释法
结合地质资料，对化探数据进行解释，从地质角度揭示成矿规律和 矿产分布。
地球化学模型法
利用地球化学模型对化探数据进行处理和解释，可以更深入地了解 元素迁移、富集规律。
工程地质勘察服务中的数据处理与分析
工程地质勘察服务中的数据处理与分析在现代工程建设过程中，工程地质勘察是不可或缺的一环。
通过对工程地质的详细调查和勘测，可以全面了解土地及地下情况，为后续的工程设计和施工提供重要的参考依据。
然而，大量的地质数据需要经过处理和分析，以提取有价值的信息，为工程决策提供科学依据。
数据处理是工程地质勘察的第一步，主要包括数据录入、数据整理和数据标注等过程。
数据录入是将野外勘察和实验室测试等环节产生的原始数据进行数字化处理，并加入必要的标记。
数据整理是对录入的数据进行初步的分类和排序，起到组织和管理的作用。
数据标注则是为数据赋予特定的含义和属性，以便于后续的分析处理。
一旦完成数据处理，接下来的关键工作就是数据分析。
数据分析是通过运用各种统计方法和专业工具，对地质数据进行加工和提炼，揭示地下地质结构、土壤性质、地下水位情况等。
常见的数据分析方法包括统计分析、地质图像解译和地质建模等。
首先，统计分析是工程地质勘察中常用的数据处理方法之一。
通过统计方法可以计算数据的平均值、标准差、变异系数等，从而对地质属性进行综合评估。
例如，在某一地区进行地下水位调查，通过对不同时间的水位数据进行统计分析，可以得出该地区的平均水位、水位变化的趋势等信息，为水资源管理和工程建设提供参考依据。
其次，地质图像解译是一种非常有效的工程地质数据分析方法。
通过对航空影像、卫星影像和地震波等进行解译，可以获得具体的地质信息。
例如，利用卫星影像解译技术，可以发现地表的岩层裸露情况、地貌特征以及地下水流方向等重要信息。
这些信息对于道路、铁路、隧道和桥梁等工程项目的规划和设计具有重要意义。
最后，地质建模是一种高级的地质数据分析方法，它基于现有数据进行预测和模拟。
通过建立地质模型，可以研究地下地质结构和特性，预测地质灾害发生的可能性，为工程建设提供风险评估和安全保障。
例如，在开展隧道工程勘察中，利用地质建模技术可以预测隧道施工过程中可能遇到的地质问题，提前采取相应的预防措施，降低工程风险。
化学实验与实验数据处理方法
化学实验与实验数据处理方法化学实验是化学学习中不可或缺的一部分，通过实验可以直观地观察和验证化学理论，培养学生的实践能力和科学思维。
而实验数据的处理方法则是确保实验结果的准确性和可靠性的重要环节。
本文将探讨化学实验中常见的实验数据处理方法。
一、实验数据的收集与整理在进行化学实验时，我们首先需要收集实验数据。
实验数据可以通过直接观察、测量仪器、实验记录等方式进行采集。
在实验过程中，要注意记录实验条件、观察现象、测量数据等相关信息，以便后续的数据处理。
在收集实验数据时，要注意数据的准确性和可靠性。
可以多次重复实验，取平均值作为最终结果，以减小误差。
同时，要注意记录实验中的异常情况，如实验仪器故障、实验条件变化等，以便后续分析和解释实验结果。
二、数据的单位和精度在处理实验数据时，需要对数据的单位和精度进行统一和确定。
单位的统一可以避免因单位不一致而引起的计算错误，精度的确定可以反映实验数据的可靠程度。
在确定单位时，要根据实验数据的性质和量纲选择合适的单位。
例如，在测量质量时可以选择克、毫克等单位，而在测量体积时可以选择升、毫升等单位。
在确定精度时，可以根据实验仪器的精度和测量误差进行判断。
通常可以保留合适的有效数字，避免数据的过分精确或不足。
三、数据的处理方法在实验数据处理中，常见的方法包括平均值、标准偏差、相关性分析等。
1. 平均值：平均值是最常用的数据处理方法之一，可以用来表示一组数据的集中趋势。
计算平均值时，将所有数据相加后除以数据的个数即可。
平均值可以反映实验结果的整体水平。
2. 标准偏差：标准偏差是用来表示一组数据的离散程度的指标。
计算标准偏差时，首先计算每个数据与平均值的差值，然后求出这些差值的平方和的平均值，最后取平方根即可。
标准偏差越小，表示数据的离散程度越小，结果越可靠。
3. 相关性分析：在一些实验中，可能存在多个变量之间的关系。
通过相关性分析可以探究这些变量之间的相关程度。
常见的相关性分析方法包括相关系数和回归分析等。
高一化学实验的数据处理与解析
高一化学实验的数据处理与解析一、引言化学实验是高中化学学习的重要环节之一，通过实验可以直观地观察和验证化学原理，提高学生的动手能力和实验技巧。
然而，仅仅完成实验是不够的，对实验数据的处理与解析同样至关重要。
本文将重点探讨高一化学实验中的数据处理与解析方法，帮助学生更好地理解实验结果。
二、数据处理1. 数据记录在进行化学实验时，学生应准确记录实验步骤、实验条件以及实验数据。
数据应以表格的形式呈现，确保数据的整齐与规范。
此外，还应标明数据的单位，并使用合适的符号和数学公式进行计算。
2. 数据清洗在实验结束后，对实验数据进行清洗是必要的。
首先，要排除明显的异常值，如测量误差过大或与其他数据明显不符的值。
然后，根据实验原理对数据进行修正，如进行零点校准或者采用适当的公式进行数据修正。
最后，若有多组数据，可以进行平均处理，提高数据的准确性。
3. 数据分析数据分析是解析化学实验数据的核心环节。
根据实验目的与原理，可以采用下列方法进行分析：- 绘制图表：通过绘制数据曲线图、直方图或饼状图等，可以直观地展示实验结果，并从中发现数据的规律与趋势。
- 数据统计：利用均值、中位数、极差、标准差等统计指标对数据进行描述和比较，从而得出结论。
- 数据推断：通过数据的趋势和关联性，推断实验条件与结果之间的因果关系。
同时，也可进行误差分析，探讨数据中的不确定性来源，以提高实验的可靠性。
三、数据解析1. 结果呈现将数据处理与分析结果进行系统整理，并合理地呈现给读者。
可以使用文字描述、表格、图表等形式，使结果更加清晰明了。
需要注意的是，表述要准确、简明扼要，不要出现模棱两可的措辞。
2. 结论提炼根据实验数据的处理与分析结果，得出结论。
结论应直接回答实验中的问题，并用准确的语言表述，避免主观臆断和无据的推测。
同时，如果结论与已知理论存在出入，应对其原因进行合理解释。
3. 讨论与展望对实验结果的合理性进行讨论，分析可能存在的误差和限制，并提出改进实验的建议。
浅谈化探数据异常下限处理方法及其评价
通过 Ｅ ｘ ｃ ｅ ｌ 进 行分 析后 ． 用Ｇ ｒ ａ ｐ ｈ ｅ ｒ 制作 的累计概 率
图
２ ４
甘肃科技 NhomakorabeaＡ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ， ２ ０ １ ４ （ ４ １ ５ ） ： ５ ７ ４ － ５ ９ ４ ．
第 ３ １ 卷
ｃ ｌ ａ ｓ ｓ － Ｂ ｌ ａ ｓ ｅ ｒ ｓ ｙ ｓ ｔ ｅ ｍ［ Ｊ ］ ． Ａ ｐ ｐ ｌ ｉ ｅ ｄ Ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ｃ ０ ｍｐ ｕ ｔ ａ ｔ ｉ ０
２ ０ １ ４ （ ２ ２ ６ ） ： ５ ６ ４ — ５ ７ ４ ．
【 ５ ］
Ｓ ｏ ｎｇ Ｙ Ｌ， Ｈａ ｎ Ｙ Ｙ ，Ｚｈ ａ ｎｇ Ｔ Ｈ
．
［ １ ０ ］ Ｚ ａ ｌ ｍａ ｎ Ｂ ａ ｌ ａ ｎ ｏ ｖ ， Ｈ ｕ Ｑ Ｗ Ｗｉ ｅ ｓ ｌ ａ ｗ Ｋ ｒ ａ ｗ ｃ ｅ ｗ ｉ ｃ ｚ ． Ｇ ｌ ｏ ｂ ａ ｌ
要 成矿 元 素 （ Ｃ ｕ 、 Ｐ ｂ 、 Ｚ ｎ 、 Ａ ｇ ） 作 为 参 照 数 据进 行 具 体 处 理 及 分析 。 通过 采 集 土 壤 次 生 晕 的方 法 来 分 析 区域 地 质 背 景 ， 运 用传 统 迭 代 法 、 相 对 累 积 频 率 法 这 两种 传 统 方 法 进 行 数 据 特 征 值 的分 析 、 并求 出地 球 化 学 相 关 异 常下 限值 ． 最后 对 得 出 的异 常 值 进行 评 价 。评 价 结 果 发现 ， 传 统 迭代 法 受 主 观 人 为 因 素影 响较 大 ， 相 对 累 积 频率 法 只强 调 元 素 含量
勘测师的数据处理与分析技巧
勘测师的数据处理与分析技巧数据处理与分析是勘测师工作中必不可少的一项技能。
通过对采集的数据进行处理和分析，可以获取更准确、详细的信息，并为勘测项目的决策和规划提供有力支持。
本文将介绍几种常用的数据处理与分析技巧，以帮助勘测师更好地应对实际工作中的挑战。
一、数据清洗与整理在进行数据处理与分析之前，首先需要对采集到的数据进行清洗与整理。
这一过程旨在排除异常数据、修复错误数据、填补缺失数据，并将数据整理成符合分析要求的格式。
1. 异常数据处理异常数据对后续分析结果的准确性和可靠性有很大的影响。
勘测师需要根据实际情况，针对不同类型的异常数据进行处理。
对于数据超出合理范围的异常值，可以选择剔除或者进行修正；对于统计上存在异常的极值或离群值，可以考虑使用合适的异常检测方法进行判断。
2. 错误数据修复错误的数据会对后续的分析造成误导，因此务必进行修复。
勘测师可以利用一些常用的数据修复方法，如插值法、回归法等，对错误数据进行修复，使其更符合实际场景。
3. 缺失数据填补缺失数据是常见的问题，但对于后续分析的影响较大。
勘测师可以尝试使用插补、均值填补、基于模型的填补等方法，对缺失数据进行处理，保证数据的完整性和连续性。
二、统计分析与探索性数据分析统计分析是勘测师数据处理与分析的核心环节，它能够发现数据背后的规律和趋势，为决策提供依据。
下面介绍几种常用的统计方法和探索性数据分析技巧。
1. 描述统计分析描述统计分析是数据分析的基础，它可以从多个角度对数据进行整体和局部的描述。
常用的描述统计指标包括平均值、中位数、标准差、变异系数等，通过计算这些指标可以了解数据的集中趋势、离散程度和相对变异程度。
2. 相关性分析相关性分析用于研究不同变量之间的相关关系，可以帮助勘测师发现变量之间的因果关系或者相互影响。
常用的相关性分析方法包括皮尔逊相关系数、斯皮尔曼相关系数等。
3. 回归分析回归分析是用于研究自变量与因变量之间关系的方法。
化探数据处理及图件编制
化探数据处理及图件编制第二节分析方法及质量评述一、分析方法本次扫面和异常查证的全部样品均交由四川省地矿局华阳地矿检测中心测试，根据任务书要求共分析测试元素14种。
样品从加工到测试到质量监控均按中华人民共和国地质矿产行业标准DZ0130-1994《地质矿产实验室测试质量管理规范》、ISSN-1870《1?5万区域地质调查及地球化学样品分析方法及质量管理指导性规程》和2002年新疆地勘局试验管理科《1?5万化探样品分析质量过程管理规则报告》进行。
14种元素的分析方法见表3,3。
二、技术要求1、报出率十四种元素的总报出率应大于95%。
2、外检样对已测试样品，测试单位按照3%的比率进行外检。
3、分析质量检查及质量监控方案为了有重点地监控元素的分析质量，实验室在送样单位确定的分析元素中，要再选择若干种主要监控元素并根据这些元素在本省制备的全部GRS二级标样中选择四个在元素含量范围及基体组成均为合适的GRD二级标样作为本图幅质量检查监控之用。
主要监控元素和二级标样的选择均应和送样单位协商进行。
每一大批样品测定完毕后，应将数据交给质量管理人员，对每一小批中插入的四个二级标样及四个重复分析(内部检查)样进行统计计算，并及时绘制日常质量监控图，在日常金的分析工作中，必须进行不小于10%的内检抽查。
为满足在一个较大范围的成矿远景区带内的1?5万图幅的拼接，应对分析的准确度进行检查和考核，为此实验室应在每一个1?5万普查化探项目完成后，分析8个GSD一级标样一次，痕金分析也应用金标样作准确度检查。
准确度和精密度计算结果应符合表3,2的要求。
4、微量金由于金元素在自然界中的均匀度和赋存状态对分析检测影响比较大，为确保金元素的分析质量，化验室特采用两种监控措施:第一，在每一分析批次的50个样品中插入两个国家?级标准物质GBW系列，用以计算实测值与推荐值之间的对数偏差:ΔlgC,lgC,lgC; 定值实测值第二，该地区样品分析结果结束或阶段性结束后，再对高、低异常点进行随机抽样检查约20%.5、?级标样为严格监控各元素的分析质量，实验室选取了四个不同含量的GRD系列监控样，每批次50个样品密码插入一组，与样品同时分析。
化探数据处理原理及方法[精制材料]
![化探数据处理原理及方法[精制材料]](https://img.taocdn.com/s3/m/1a3a9520960590c69ec376b1.png)
行业相关
8
一、勘查地球化学分类、数据来源及特征
通常的元素分类及意义
(1) 主量元素和微量元素：主量元素(一般在体系中的丰度u／B>0.1％)和
微量元素(一般在体系中的丰度u／<0.1％)。
(2) 造岩元素。是构成岩石圈的主量元素，造岩碱性元素和造岩酸性元
素。
造岩碱性元素: 包括Li、Na、K、Rb、Cs、Be(两性)、Mg、Ca、Sr、Ba。
2
一Байду номын сангаас勘查地球化学分类、数据来源及特征
（一）地球化学找矿分类
地球化学找矿——地球化学探矿，化探（Geochemical Prospecting）
1、方法分类 测量方式： 航空化探——放射性、气体 海洋化探——海水、海底沉积物、生植物、放射性、气体 地表化探——岩石、土壤、水系沉积物、水、生植物、气 地下（井中）化探——岩矿石、水、放射性、气体
行业相关
14
二、常规数据预处理
中国地质大学硕士研究生 “勘查地球化学”课程授 课
勘查地球化学数据常规处理及其意义
行业相关
1
主要内容
一、勘查地球化学分类、数据来源及特征 二、常规数据预处理 三、数据统计分析 四、地球化学背景与异常的分解 五、地球化学异常组合及其作用 六、地球化学数据处理新方法及其用途 七、地球化学异常评价
行业相关
(6) 金属成矿元素：这类元素的亲硫性或亲铁性较强，矿床中主要以硫化
物、硫盐或自然金属形式存在。根据其经济价值，又可以分为贵金属和
重(贱)金属。
贵金属元素：包括Ru、Rh、Pd、(Ag)、Os、Ir、Pt、Au、(Hg). 以金属态
产出，在基性和超基性岩中富集行。业相关
关于若干化探数据处理方法的讨论概要
[收稿日期 ]2000-01-01;[修订日期 ]2000-04-21;[责任编辑 ]余大良。
关于若干化探数据处理方法的讨论纪宏金 1林瑞庆 2周永昶 1(1. 吉林大学 , 长春 130026;2. 栖霞地矿局 , 栖霞 265300[摘要 ]化探数据处理中的系统误差校正和异常识别方法很多 , 移动标准化法、分区标准化法和衬度系数法是其中的几种方法 , 主要对这几种方法做了简单的介绍并对其效果进行了对比 , 最后着重讨论了 C 型变换法的优点。
[关键词 ]地球化学找矿系统误差校正异常识别标准化变换 C 变换[中图分类号 ]P632 [文献标识码 ]A [文章编号 ]0495-5331(2001 04-0056-04化探数据处理中的系统误差校正和异常识别是两个复杂而有意义的问题。
本刊 1999年第 2期发表的题为“化探背景与异常识别的问题与对策” [1](简称“ 对策”一文 , 文章在总结了有关方法进展之后 , 重点评述了衬度系数法、分区标准化和移动标准化等类方法中存在的“问题” , 部分否定。
作为解决“问题” 的对策 , C 型转换法 , 并论证了其 , 较为简单 , 但 , 故写此拙文 , 不当之处 , 望读者批评指正。
1关于被否定方法111移动标准化法移动标准化方法 [2]是针对区域化探数据特点而设计的一种异常识别方法。
它明确定义 :“ 设某移动窗口内单元素背景数据子集服从正态分布 , 其子样均值为 X , 方差为 S 2, 则该窗口中心处数值 (一般为网格化数据 X 有以下标准化形式 :T =(X - X /S(1 由上式及其变形X = X +TS(2易见 , 移动标准化变量T … 直观表达原始数据 X 属于异常的概率意义和正负性质 , 例如 T =0为背景值 , T =3为均值加三倍标准差, … 当该窗口中心不断移动并用 (1 式作相应计算 , 便可估计出图幅内各点处的变量 T , 这就是移动标准化分析。
浅谈化探数据处理的过程与方法
计
众 披
标 Ｅ差
方 差
● ●度
求 和 别 之 前 ，必 须 选 择 合 理 的 方 法 嘣 数 量 大 （ １） 校 正采样 和分析 测试带来 的系 ●ｋ （ 小 １） 收到 分析数 据后 ，对数 据进 行 １０ ０ ％的 统 误 差 ；ｂ背 景 场 不 是 光 滑 的 ． 圈 ２ 校 对 ，确 保 准确 无 误后 ，将 全部 样 品 分析 平 面 ，而 是有 起伏 变 化 曲面 ， 图 ｌ 数 据与对 应 的样品 编号 、横 坐标 、纵坐 标 、 甚 至是 有 一 定厚 度 的 带状 曲 所 属地质 单元 连接起 来 ，然后 运用 ＭＡ Ｃ Ｓ 面 ；ｃ 能够 正确 划分 背景 与 Ｐ． Ｉ ． 在 等软件 进行数据处 理 。 异 常之前 ，往 往需要采 用一 定 Ｊ２ 正 态 性 检 验 ． 的 手 段 把 背 景 的 起 伏 变 化 扣 在 进行 数 据 处理 前 ，首 先 要 对数 据 进 除 ，把背景场转 化成平 面的 或 行分 布 形式 检 验 ，数 据 是否 服 从 正态 分 布 具 有 明 确 的 地 质 意 义 ；ｄ用 于 ． （ 或对 教正 态分 布）是 化探 数据 处理 的一个 圈定异常 的剩余值 必须 已经消 重 要前提 条件 。通 常我们 用偏 度 Ｒｌ和峰度 除 了系统误 差和 背景 差异 ：ｅ ． Ｐ ． ２两个指标 来加 以检验 ，应用 Ｅ ｃｌ ｘｅ 表格 即 要 绝对避 免把背 景总体 和异常 可 完 成 ，具 体操 作 步骤 如 下 ：打 开 数 据 电 总体的差 异缩小 的做 法 ，任 何 子 表格 一工具 一数 据分 析 一描述 统计 一确 正确 的方法 都必须把 这种差 异 图 ３ 三 角吾 分 网和 追 踪 的 等值 线 图 ｊ 定 ，这 时 会 弹 出 图 ｌ 示 对 话 框 。 所 扩 大化 ；ｆ拼图 和背 景 与异 常 表 Ｉ地球化学图着色标 准 在 输 入 区 域 中 选 择 要 分 析 的 元 素 。 注 划 分 不 是 纯 数 学 的 ，应 从 化 探 色区着色 （ 匿名） 元素含量范匡 ‘ 譬｜ ｕ，） 意 已 列 表 格 的 分 组 方 式 是 逐 列 还 是 逐 行 ， 找 矿 的 实 际 出 发 设 计 相 应 的 方 然后 选定 输 出区域 ，平 均数 置 信 度一 般 默 法 ，处 理 结 果 必 须 便 于 地 质 解 萱 （ 值 区） 氍 ＜Ｘ ＿ ｓ ２ 浅 蓝 （ 背景 区 ） 氍 Ｘ一 签 一 Ｘ 吨 器 认 为 ９ ％ 击确定 即可获得相 关统计 参数 ， 释 ；ｇ尽量 利用 多变 量化探 资 ５ 单 ． 建黄 （ 背景 区 ， ０． Ｓ 加 Ｌ Ｓ Ｓ— Ｓ 如 图 ２ 。 料消除各 种不确定 性 。 浚 红 （ 背景 区 ） 商 Ｘ ＋ ． Ｓ— Ｘ ＋Ｓ ｏ５ ２ 注 意 ：一般 认 为 微量 元 素在 地 质 体 当 依 据 区域 内地 质 及 地 球 深红 （ 高值区） ＞Ｘ ＋ ｓ ２ 中是 服从 对 数 正态 分 布 的 ，所 以在 检 验 之 化学特征 ，对于岩 性分 布比较 前 应将 原 始分 析 数 据转 换 为 对数 ，方法 是 复杂的地 区 ，元素 的背景是 变 各 首 先 选 定 数 据 单 元 格 （ 设 为 ＢＩ ，然 后 在 化 的 ，若 全 区用 统 一 的异 常 下 限来 圈 定 异 行投 影转 换 后 ，其点 具 有 高程 属 性 （ 元 假 ） 素的 含量值 ） 。在追 踪部 分等 值线 时 ，首 先 公式 栏 中输 入 ＝ Ｏ ０ Ｂ ） Ｌ Ｇ］ （ Ｉ，确 定 即 可 。计 常 显然 是 不合 理 的 ，这时 要 对全 区划 分成 从 点 位 图 中 提 取 某 一 高 程 属性 ，生 成 ＴＮ 文 Ｉ 算完 成后 ，当 Ｉ ｜ 、Ｉ２≤】时 ，该元 素 多 个地 球 化学 子 区 ，分别 统 计 各子 区 元 素 Ｒｌ≤１ Ｒ １ 含 量 的 概 率 分 布 型 式 服 从 正 态 分 布 ， 当 地球 化学 特 征值 ，并 确定 背景 值 （ ｏ ｃ）、标 件 ，快 速生 成 三 角剖 分 网 ，再 进 行等 值线 Ｐ； Ｓ主 Ｉ ｌ ｌ Ｉ２≥ ｌ时 ，元 素 含 量 的 概 率 分 布 准离 差（ 和异 常下 限 （ ），背 景值 最后 选 追 踪 。具 体 步 骤 如 下 ： 打 开 ＭＡ （Ｉ 菜 单 Ｒｌ≤ 、 Ｒ １ Ｔ 空 间 分 析 一 ＇ 分 析 ～文 件 一打 开 数 据 文 Ｕ／ Ｍ 型式 为近 似 服从 正 态分 布 。如 果某 一 元 素 用逐步剔 除离群值 《Ｄ 范 围外 的数据１ ｃ ±３ 后 选 检 验 后 不 服 从 正 态 分 布或 对 数 正 态 分 布 ． 的算 术 平 均 值 ，异 常 下 限 采 用 背 景 值 加 件 一点数 据 文件 （ 择 已投 影转 换 具 有属 性 的点 文件） 一处理 点线 一点数 据高程 点提 说 明 该元 素 在该 地 区 中可 能 存 在不 同期 次 １６ ．５～３倍 标 准 离 差 （ ｃ＋ｆ．５～３ｓ） ｏ １６ ）ｏ ＴＮ模 型 一快 速生 成三 的地 质作 用 ，使 元 素重 新 分 配 ， 因而使 元 计 算 ，并 结 合 区域 地 球化 学 变 化趋 势 和 规 取 一选择 某一 元素 － Ｉ 角 剖分 网 一追 踪 部分 等 值 线 。在 追踪 部 分 素 分 布 型 式 发 生改 变 ，产 生 了局 部 富 集 。 律 ，分 别 确 定不 同地 球化 学 子 区 的异 常 下 等 值线 时 ，关 键 的是 等 值 线参 数 的 设置 ， 限。 这对矿床 形成是极 为有利 的。 主要 项 目有 等 值 层 值 和 等 值 线 光 滑处 理 。 １３ 元素的相 关性 ｆ Ｒ型 聚类 分析） ２２ 异常 的圈定和地 球化学 图的形成 ． 等 值 层设 置 是 确定 等 值 线 的起 始 值 、终止 为 了解 地 区 内成 矿元 素 与 其 他元 素 的 为 更好 的反 映元 素 含 量 的分 布 特 征 和 关系 ，通 常 对数 据进 行 Ｒ型 聚类 分析 ，得 变化 特 征 ，常 常 对化 探 数 据做 各 种 原 始和 值 和 步长 值 。化 探 单 元 素等 量 线之 问 的差 出元 素之 间 的相 关 矩 阵 ， 以矩 阵 中 的相关 推断 的图件 ，如 元素 异常 图 、地球 化学 图 、 值 是不 相 等 值 。所 以 步长 值 的确 定 一般 以 系数来 衡 量各 元 素 的相 关 性 。求 元 素 的相 解 释 推 断图 等 ，为后 期地 质 找 矿 工作 提 供 能 反映 等 量线 值 的 最小 值 ，对此 可根 据实 际 情况 采 样 删除 一 层 或添 加 一层 命 令来 完 关 矩阵 可 由 Ｅ Ｅ ＸＣ Ｌ表格 来 完成 ，具 体操 作 充 分 的 依 据 。 方 法 是 ：选 择 工 具 栏 一工 具 一数 据 分 析 ， 各元素 化学 异 常图 的绘 制 可在 Ｍ Ｇ Ｓ 成 。等 值线 光 滑 处 理采 用 中精 度 处理 ，这 ＡＰ Ｉ 样 经 追 踪部 分 的 等值 线 才 能满 足 化探 数 据 在 其 选项 当 中选 择 相 关 系 数 ，点 击 确 定 ， 空 间 分析 模 块 中 ，运 用 Ｔ Ｎ模 型 追 踪 部 分 Ｉ 然后再输 入区域 内选择要 分析数据 即可 。 等 值线 来 完 成 。应 用 ＴＮ模 型 不 必 将 原始 处 理 精 度要 求 。 三角 剖 分 同和 追踪 的 等值 Ｉ 线 图见图 ３ 。 ２ 异常 的圈定与地球 化学 图的形成 的化 探 离散 数 据 进行 网格 化处 理 ，而 是直 制作 地 球 化学 图时 ，等 含 量线 的 间 隔 ２１ 背 景 值 和 异 常 的 划 分 与 确 定 ． 接对 非 网格 化 或 网格 化 数据 进 行 等 值线 追 般 采 用 ０ Ｉ ｇ （ ｇ ）， ．ｌ ／ ｏ ｇ （ 下转 ９ ２页） 化探 背 景 与异 常 划分 涉 及 系统 误 差 和 踪或 分 析 。对 含 有分 析 数据 的采 样点 位 进
化探数据处理方法对比研究
化探数据处理方法对比研究作者：张明宇来源：《环球市场》2017年第12期摘要：众所周知，矿产资源是人类生产和生活的必需原料，是人类赖以生存和发展的物质基础，是经济社会可持续发展的重要物质保证。
地球化学勘查是区域矿产地质调查中快速发现地球化学异常、确定成矿远景和找矿靶区最有效的手段之一，其基本原理是通过研究成矿元素和相关元素在不同地质体中的含量和分布，发现异常，解释和评价异常，确定找矿远景区和找矿靶区。
其中，元素地球化学异常下限的确定是地球化学勘查的基本研究内容，同时，也是地球化学勘查的难点和热点问题。
关键词：化探法；数据处理；方法比较勘查地球化学是通过地质体中元素分布的研究，发现异常，解释评价异常，进而圈定找矿远景区和找矿靶区的一种找矿方法。
其中，元素异常下限的确定是勘查地球化学的基本内容，同时也是勘查地球化学的关键问题。
本文以新疆地区为例进行研究。
1 地球化学样品采集与测试分析1.1 采样介质与测网布置勘查地球化学采样介质多种多样，有岩石、土壤、水系沉积物、气体、生物等多种测量对象。
新疆地区属干旱荒漠的地球化学景观，干旱荒漠地区地表物质受到了盐类、卤化物风化壳以及风成沙的严重干扰，形成类型复杂性质各异的地球化学障，为排除这一障碍，开发了岩屑地球化学测量。
此类景观采取粗粒级物质，即-5～+20目（-5.13～+0.96mm），该方法为岩屑区域地球化学勘查。
研究区为较典型的干旱荒漠景观，因此针对阿克巴斯陶、野马井、克尔巴依以及协别克斯套4幅面积近1450km2区域采取岩屑勘查地球化学方法。
1：20万岩屑区域勘查地球化学设计的采样密度为每平方公里2个样[80]，属低密度地球化学测量，适用于小比例尺区域地球化学异常。
由于研究区按1：5万图幅进行取样，故应加大取样密度，设计为线距500m×点距250m网度布样。
全区布设样点11929个，由于某些地段经后期局部加密，实际共取样12011个。
1.2 样品采集与分析使用1：5万地形图为工作手图，用地形图、罗盘及GPS定位仪进行综合定点。
详查阶段的化探数据成图处理探讨
１ 中的测 网密度 。 这主要 是考 虑与物 探 网布 设相 同 ， 但 从化探元 素分 布规 律和成 图方 面来说 ，正方 形 网格 应 该更合适 。
表 １ 工作 比例 尺 与测 网密度
图 １ 原始 数据转网格数据 绘制的地球化学图
我们使用的网格数据绘制等值线图一般要求正方
形 网格 ， 就需 要用 到网格化 处理 工具 ， 这 如距离平 方导
随着 ｌ： ５万 区域化探 普查 的实施 ，在 ｌ： 万 区 ５
域 化 探异 常 范 围内开 展 的 １：１ 万化 探详 查 也越 来 越 普 遍 ，目前 １： 万 化探处 理一般 是参 照 １： １ ５万 区域 化 探规 范执行 ，可是 由于 多种原 因成 图效果有 时却不 尽 理想 ，下 面就利用 乌鲁木 齐金 维图文信 息科 技有 限
格化 。
图 ４ Ｋ ｉｎ ｒ ｉｇ网 格 化 绘 制 的地 球 化 学 图 ｇ 图 ２ 距 离 平方 导 数 加权 网格 化 经 圆滑 处 理地 球 化 学 图
３ 结束语
（） 查 阶段化探 的测 网宜 采用 正方形 网格 。 １详
（ 网格化遵循 的一个原则是尽量使 网格化后的 ２ ） 坐标点 位与 原始数 据坐 标点 位接 近 ，网格 化搜 索 的范
图 ３ 三 角剖 分 方 法 绘 制 的地 球 化 学 图
验 ， 中选 出满 意 的 ， 从 然后再 统一 批处 理 。
参 考文献
［］ Ｐ １ Ｇ Ｓ和 Ｇ Ｓ技术在 １： Ｉ １万土壤地球化学测量 中的应
对这 种非规则 的数 据也 可 以采 用 三角剖 分方 法绘 制地 球化学 图 ， 图 ３ 如 。
围越小 数据损 失越 小 。
（ 网格间距要小于等于最小 的原始点距 ， ３ ） 如果要 保 留更 多 的细节 ， 也可 以将 网格距减 小一倍 。 如果细 节
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 关于被否定方法
111 移动标准化法
移动标准化方法 是针对区域化探数据特点而 设计的一种异常识别方法 。它明确定义 : “设某移动窗口内单元素背景数据子集服从正 态分布 ,其子样均值为 X ,方差为 S ,则该窗口中心 处数值 ( 一般为网格化数据) X 有以下标准化形式 :
Tij = ( X ij - X i ) / S i i = 1 , 2 , 111 p ; j = 1 , 2 , 111 , N i ( 3)
工作者来说同样不能接受” , 因为 “每个图幅元素含 量的平均值都为 0 ,方差均为 1” 。 这一批评有两个特点 , 第一是被批评的错误正 是来源于 “对策” 本身 。因为它将分区标准化中的 “背景均值和均方差” 曲解为 “全图幅的均值和均方 差” 。第二是把 “标准化数值” 与 “元素含量” 这两个 不同概念混为一谈 。
2 2 Q i = Ci = ( S i / X i )
i = 1 , 2 , …, p
( 14)
不难证明 ,元素在图幅 i 的 C 背景均值 Ci 与均方差
N
i
由此产生两方面的问题 : 一方面 , 各图幅 C 均值间 差异难以预料 , 即可能很小 , 也可能很大 ; 另一方面 , 各图幅 C 均方差间差异对 C 均值的差异非常敏感 , 只要某图幅的 C 均值稍有增大 , 其均方差就会呈平 方形式扩大 。若把 C 均值比作海平面 , C 均方差比 作波浪高度 , 那么 , 在 C 均值较小的图幅将是微波 荡漾 , 而 C 均值较大的图幅则呈现巨浪滔天 。 如此图幅拼接 , 很难说有 “统一的地质和找矿意 义” , 也不会 “对校正系统误差和消除背景差异无疑 是十分有益的” 从而 “为进一步划分背景与异常提供 了良好条件” 。 “对策” 在强调 “在能够正确划分背景与异常之 前 , 往往需要采用一定的手段把背景的起伏变化扣 除 , 把背景场转化成平面的” 的同时 , 又反对移动标 准化等方法中把背景场转化成平面场的作法 ; 前面 强调了系统误差校正的重要意义 , 后面又说 “ : 如果 只看到其中一个地球化学图 , 虽然该图幅与相邻图 幅之间系统误差未经校正 , 有经验的化探专家仍可 以通过分析得出合理的关于该图幅内矿产情况的结 论” , 此言本意并无大碍 , 但在讨论多图幅系统误差 校正时 , 其言外之意令人费解 , 而 C 型转换正是在 这种认识基础上提出的 。 312 第二优点 “对策” 说“ , C 型转换的另一个优点是 : 在二阶 平稳条件下 , C 型转换不影响元素之间的相互关系 , 因此不影响多元统计分析” , 并用 C 型转换前后相 关系数的不变性为依据 , 给出了一个证明 。但是 , 在 论证这一优点时 , 存在三个明显的缺点 : 第一 “ , 不影响元素之间相互关系” 的含义不确 切 。元素间的相互关系 , 可以是在单图幅内的相互 关系 , 也可以是在多图幅内的相互关系 。在讨论相 邻图幅误差校正效果时 , 区别这两种情形是必要的 。 但 “对策” 未加区分 。 第二 “ , 不影响元素之间的相互关系” 的证明不 完整 。 “对策” 在证明这一结论时 , 只用了一个图幅 , 因上述原因 , 该证明显然不具完整性 。
T = ( X - X) / S ( 1) ( 2)
2
[2 ]
由上式及其变形
X = X + TS
易见 ,移动标准化变量 T … 直观表达原始数据 X 属 于异常的概率意义和正负性质 , 例如 T = 0 为背景 值 , T = 3 为均值加三倍标准差 , … 当该窗口中心不 断移动并用 ( 1) 式作相应计算 ,便可估计出图幅内各 点处的变量 T , 这就是移动标准化分析 。 ” 并反复强 调上式中的分布参数应为 “背景分布参数” , 指出了 “效果好坏取决于计算方法的稳健性” “要移动窗口 , 大小选择适当” “合理消除异点影响” , “满足或近似 ,
V1 = V2 = … = V p ( 9)
但这是难以满足的 。故该方法一般可部分校正上例 中假想的系统误差 。
57
地质与勘探 2001 年
213 C 型转换法
根据 “对策” 的定义 , 某元素在图幅 i 样品 j 中 的 C 型转换值可表示为
W ij = X ij / X i i = 1 , 2 , …p ; j = 1 , 2 , …, N i ( 6)
2 有关方法效果对比
对化探拼图中的差异校正问题 “对策” , 推荐了
C 型转换法 ,认为它具备了诸多方法的优点, 但是其
可证元素在图幅 i 的衬度背景均值 W i 与均方差 V i 分别为
度系数法是其中的几种方法 ,主要对这几种方法做了简单的介绍并对其效果进行了对比 ,最后着重讨论 了 C 型变换法的优点 。
[ 关键词 ] 地球化学找矿 系统误差校正 异常识别 标准化变换 C 变换 [ 中图分类号 ]P632 [ 文献标识码 ]A [ 文章编号 ]0495 - 5331 (2001) 04 - 0056 - 04
1
Ni
N
i
j =1
∑( T
ij
- Ti )
= 1 ( 5)
i = 1 , 2 , …, p
可见 ,它们都与图幅 i 无关 ,即不同图幅上背景均值 一致 ,变化范围相同 。因此 ,该方法校正了上例中假 想的系统误差 。
212 衬度系数法
设 W ij 为某元素在图幅 i 样品 j 的衬度值 , 其它 记号同上 ,则有
56
第 4 期 纪宏金 : 关于若干化探数据处理方法的讨论
形式对该图幅内原始数据作标准化 , 使不同图幅背 景部分的标准化均值都为 0 , 方差都为 1 , 以此校正 不同图幅的背景差异 。 “对策” 批评的分区标准化法也可称为 “靶分区 标准化” 。它在以 ( 1) 式的形式对某图幅内原始数据 作标准化时 ,使用的参数是元素含量在全图幅的均 值和均方差 。这自然就出现了各图幅标准化均值为
Cij = ( X ij / X i ) ( S i / X i ) i = 1 , 2 , …, p ; j = 1 , 2 , …, N i Q i 分别为 Ci = ( 11)
认 C 型转换可把异常和背景总体的差异扩大” “ , 为 进一步划分背景与异常提供了良好条件” 。 但值得疑虑的是 , C 型转换在力求扩大背景与 异常差异的同时 , 也可能扩大了图幅间的背景差异 ( 13 ) 式知 , C 值在图幅 i 的均 或系统误差 。由 ( 12) 、 方差 Qi 与均值 Ci 之间有如下关系 :
分类标准化 、 分区标准化和分幅标准化 [3 ] [4 ] 是 为消除不同岩性 、 不同介质的元素背景差异 ,或不同 图幅间系统分析误差而设计的校正方法 。 现以分幅标准化法 [4 ] 为例讨论 。该方法以某图 幅元素含量的背景均值和均方差为参数 ,用 ( 1) 式的
[ 收稿日期 ]2000 - 01 - 01 ; [ 修订日期 ]2000 - 04 - 21 ; [ 责任编辑 ] 余大良 。
Wi =
1
Ni
N
i
效果究竟如何 ,就需要与其它方法作出对比 。 为明确答案 , 不妨给出一个化探数据系统误差 校正 、 解决相邻图幅拼接问题的假想例子 ,对待校正 数据作出如下假设 : ① 某元素在同一图幅的含量有 : 任意邻域的均 值等于全图幅均值 , 任意邻域的方差等于全图幅方 差; ② 某元素在不同图幅的含量有 : 均值不等 ,均方 差不等 ,这些差异全部由分析误差引起 。 显然 ,校正后不同图幅均值应相等 、 均方差也应相 等 。现用不同方法对上述差异作出校正 , 对比其效 果优劣 。
0 ,方差为 1 的不合理现象 ,被 “对策” 批评为 “对化探
211 标准化方法
由于问题的简单性 ,分幅标准化 、 分区标准化甚 至移动标准化方法都能达到同样校正效果 。这里不 妨用分幅标准化法 。设 X ij 为某元素在图幅 i 样品 j 中的含量 , X i 和 S i 分别为该元素含量在图幅 i 的背 景均值与均方差 ( 本例中也是全图幅均值与均方差 , 下同) ,可得该元素在图幅 i 样品 j 的分区标准化数 值为
地质与勘探 第 37 卷 第4期 Vol. 37 No. 4 GEOLOGY AND PROSPECTING 2001 年 7 月 July ,2001
关于若干化探数据处理方法的讨论
纪宏金1 林瑞庆2 周永昶1
(1. 吉林大学 ,长春 130026 ;2. 栖霞地矿局 ,栖霞 265300) [摘 要 ] 化探数据处理中的系统误差校正和异常识别方法很多 ,移动标准化法 、 分区标准化法和衬
Vi =
j =1
∑W
ij
= 1 ( 7)
2
i = 1 , 2 , …, p
1
Ni
N
i
j =1
∑( W
ij
- Wi)
= S i / Xi ( 8)
i = 1 , 2 , …, p
可见 ,元素的衬度背景均值与图幅 i 无关 ,但均方差 一般与图幅 i 有关 , 即在不同图幅上的背景均值一 致 ,但变化范围一般不同 。要取得好的效果 ,必须保 证以下条件成立 :
Cij = ( X ij / X i ) ( S ij / X ij ) i = 1 , 2 , …, p ; j = 1 , 2 , …, N i ( 10)
其中 , X ij 和 S ij 分别为图幅 i 样品 j 附近某邻域内元 素的含量均值和均方差 ,Xi 为图幅 i 的元素含量均 值 ,其它记号同上 。在本例假设下 ,上式可简化为
[1 ]
满足稳健性要求” 等。 “对策” 也叙述了一种移动标准化方法 , 并当作 靶子进行批评 ,不妨称其为 “靶移动标准化” 。尽管 文中对其叙述简略 ,但结合插图可知 ,该错误的表现 形式是 ,标准化后的背景总体与异常总体都变成均 值为 0 方差为 1 的同一分布 , 这不仅是该文所批评 的缩小了它们的差异 ,而是完全抹杀了它们的差异 , 必然导致异常识别的错误 ; 其错误的技术关键是 ,计 算分布参数时异点未被剔除 , 或窗口选得过小而其 中全部为异常数据 ,使得 ( 1) 式中的均值与均方差不 一定是背景分布参数 ,甚至完全是异常分布参数 。 与 “靶移动标准化” 相反 , 移动标准化方法强调 了避免上述错误的关键概念 , 即要求保证上式中的 分布参数为 “背景分布参数” 。移动标准化仅使得正 态假设下的背景总体变成标准正态分布 , 而异常总 体仍呈长尾分布于其后 。容易理解 , 若疏忽这些基 本概念 ,把移动窗口选得过小或不作稳健处理 ,得不 到背景分布参数 ,移动标准化确实能蜕变为 “靶移动 标准化” 。例如 ,当窗口大小与异常地质体尺寸大小 相当时就是如此 。 遗憾的是 ,在评述移动标准化时 “对策” , 不但出 现了这种疏忽 ,而且还恰恰加以 “移动窗口大小必定 要与研究区内各地质体的平均尺寸相当” 的前提 ,将 移动标准化转换为 “靶移动标准化” 。